Skip to main content

Εισαγωγή στην Στατιστική Ανάλυση Δεδομένων (SPSS, Jamovi)


Κ.Ε.ΔΙ.ΒΙ.Μ. ΕΑΠ
Για την εγγραφή σας δείτε παρακάτω

Οι εγγραφές για τον τρέχοντα κύκλο έχουν πλέον ολοκληρωθεί!


Ο επόμενος κύκλος αναμένεται να ξεκινήσει τον Ιανουάριο! Εφόσον έχετε πραγματοποιήσει την εγγραφή σας στην ηλεκτρονική μας πλατφόρμα (δωρεάν), θα λαμβάνετε ενημερωτικά emails σχετικά με την διεξαγωγή των νέων κύκλων και σεμιναρίων.



Έχετε τη δυνατότητα να παρακολουθήσετε το μάθημα δωρεάν. Εφόσον επιθυμείτε με την επιτυχή ολοκλήρωση του μαθήματος να λάβετε Πιστοποιητικό Επιμόρφωσης από το Κέντρο Επιμόρφωσης και Δια Βίου Μάθησης του Ελληνικού Ανοικτού Πανεπιστημίου (ΕΑΠ) μπορείτε να υποβάλετε την αντίστοιχη αίτηση.

Η υποβολή της αίτησης μπορεί να πραγματοποιηθεί μέχρι την ολοκλήρωση του μαθήματος, δηλαδή μέχρι τις 25 Νοεμβρίου 2024.



Σχετικά με το μάθημα

Το μάθημα αναφέρεται στις βασικές αρχές που διέπουν τη στατιστική. Δίνεται έμφαση τόσο στην περιγραφική όσο και στην επαγωγική στατιστική. Παρουσιάζονται οι διάφοροι τύποι μεταβλητών που ενδέχεται να συναντήσουμε και οι αντίστοιχοι τρόποι με τους οποίους μπορούμε να τους περιγράψουμε. Δίνεται ιδιαίτερη έμφαση στη διερεύνηση σχέσεων μεταξύ μεταβλητών και στις βασικές μεθόδους στατιστικής ανάλυσης όπως είναι:

•    τα διαστήματα εμπιστοσύνης

•    οι έλεγχοι υποθέσεων (ανεξαρτησίας χ^2, t-test κλπ.)

•    η ανάλυση διακύμανσης και ανάλυση παλινδρόμησης

Δίνεται ιδιαίτερη έμφαση στη χρήση του λογισμικού SPSS, σε κοινά λάθη που εμφανίζονται συχνά σε στατιστικές αναλύσεις και στην έννοια της αβεβαιότητας.

Προαπαιτούμενα

Δεν υπάρχουν

Διδάσκων

Course Staff Image #1

Δημήτρης Μαυρίδης

Αναπληρωτής Καθηγητής Στατιστικής, Παιδαγωγικό Τμήμα Δημοτικής Εκπαίδευσης, Πανεπιστήμιο Ιωαννίνων.

Ο Δημήτρης Μαυρίδης είναι Αναπληρωτής Καθηγητής Στατιστικής στο Τμήμα Δημοτικής Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων. Είναι κάτοχος Διδακτορικού Διπλώματος Στατιστικής από το Οικονομικό Πανεπιστήμιο Αθηνών και εργάστηκε ως μετα-διδακτορικός ερευνητής στη Σχολή Μαθηματικών του Πανεπιστημίου του Εδιμβούργου. Τα ερευνητικά του ενδιαφέροντα επικεντρώνονται στις στατιστικές μεθόδους σύνθεσης δεδομένων και ιδιαίτερα στη μέτα ανάλυση και στη μέτα-ανάλυση δικτύου. Ενδιαφέρεται για στατιστικές μεθόδους αντιμετώπισης του συστηματικού σφάλματος δημοσίευσης (publication bias), του προβλήματος ελλιπών τιμών (missing data) καθώς και για άλλες πτυχές της μέτα-ανάλυσης δικτύων. Υπήρξε στατιστικός συντάκτης στο Evidence Based Mental Health (2014-2022) και στο Research Synthesis Methods (2019-2022). Στο περιοδικό Evidence Based Mental Health είναι υπεύθυνος για τη σειρά statistics in practice όπου δημοσιεύονται διδακτικά άρθρα για τη σύνθεση στοιχείων. Από τον Ιανουάριο του 2023 είναι editor-in-chief στο περιοδικό Research Synthesis Methods. Υπήρξε επιστημονικώς υπεύθυνος για πακέτα εργασίας σε δύο έργα HORIZON2020 (OPERAM και COMPAR-EU) όπου συντόνισε αρκετές μετα-αναλύσεις δικτύου. Διδάσκει στο μεταπτυχιακό πρόγραμμα Comparative Effectiveness Research του Πανεπιστημίου του Παρισίου. Έχει δημοσιεύσει περισσότερες από 40 μετα-αναλύσεις σε περιοδικά με υψηλό δείκτη απήχησης όπως τα Lancet, JAMA, BMJ, European Heart Journal, Stroke και πλήθος μεθοδολογικών άρθρων σχετικών με την ανάπτυξη στατιστικών μοντέλων μέτα-ανάλυσης.

Περισσότερες πληροφορίες για τον διδάσκοντα του μαθήματος: εδώ.

Υποστήριξη – Επιστημονικοί Συνεργάτες

Γεώργιος Σεϊτίδης

Υποψήφιος Διδάκτωρ Πανεπιστημίου Ιωαννίνων, M.Sc. in Statistics (CV)

Κατερίνα-Μαρία Κοντούλη

Υποψήφια Διδάκτωρ Πανεπιστημίου Ιωαννίνων, MSc in Research Methodology in Biomedicine, Biostatistics and Clinical Bioinformatics (CV)

Ουρανία Κουτσιουρούμπα

Επιστημονικός Συνεργάτης, Master science in Biostatistics (CV)

Σοφία Τσοκάνη

Υποψήφια Διδάκτωρ Πανεπιστημίου Ιωαννίνων, M.Sc. in Statistics and Operations Research (CV)

Χρήστος Χριστογιάννης

Υποψήφιος Διδάκτωρ Πανεπιστημίου Ιωαννίνων, M.Sc. in Statistics and Operational Research (CV)



Ενότητες μαθήματος

Εβδομάδα 1: Εισαγωγικό μάθημα

•    Η χρησιμότητα της Στατιστικής

•    Η έννοια της αβεβαιότητας

•    Παραδείγματα κακής χρήσης Στατιστικής

•    Μελέτες παρατήρησης και τυχαιοποιημένες μελέτες

Εβδομάδα 2: Συνδυαστική - Πιθανότητες

•    Πολλαπλασιαστική αρχή

•    Μεταθέσεις - Διατάξεις - Συνδυασμοί

•    Βασικές έννοιες πιθανοτήτων - Διαγράμματα Venn

•    Αξιωματική θεμελίωση πιθανοτήτων

•     Δεσμευμένη πιθανότητα

Εβδομάδα 3: Περιγραφική και Επαγωγική Στατιστική

•    Περιγραφική Στατιστική - Τύποι μεταβλητών

•    Περιγραφικά μέτρα και γραφήματα για ποιοτικές μεταβλητές

•    Περιγραφικά μέτρα και γραφήματα για ποσοτικές μεταβλητές

•    Επαγωγική στατιστική - Δείγμα και πληθυσμός

•    Επαγωγική στατιστική - Κανονική Κατανομή

•    Επαγωγική στατιστική - Διαστήματα εμπιστοσύνης

Εβδομάδα 4: Αβεβαιότητα και έλεγχος υποθέσεων

•    Μηδενική υπόθεση και πιθανά σφάλματα

•     Έλεγχοι υποθέσεων για συνεχή δεδομένα

•    Ερμηνεία του p-value

•    Έλεγχος κανονικότητας

•    T-test

•    Έλεγχος κανονικότητας

•    Μη-παραμετρικοί έλεγχοι (Man-Whitney test)

•    Ο έλεγχος ανεξαρτησίας χ2

•    Έλεγχοι: Fischer, McNemar και Mantel-Haenszel

•    Άσκηση για έλεγχο υποθέσεων με διχότομα δεδομένα

Εβδομάδα 5: Ανάλυση διακύμανσης και ανάλυση παλινδρόμησης

•    Ανάλυση διακύμανσης

•     Συντελεστής συσχέτισης Pearson

•     Ανάλυση παλινδρόμησης

•    Πολλαπλή γραμμική παλινδρόμηση

•    Έλεγχος των υποθέσεων της απλής και πολλαπλής παλινδρόμησης

Εβδομάδα 6: Εβδομάδα 6: Περιγραφική στατιστική και έλεγχος υποθέσεων με τη χρήση του SPSS και του Jamovi

•    Εισαγωγή δεδομένων και χειρισμός μεταβλητών

•     Παρουσίαση μεταβλητών - Διαγράμματα

•    Έλεγχος χ2

•    Έλεγχος κανονικότητας - Μέτρα κεντρικής θέσης και διασποράς

•     Έλεγχος Τ-test

•     Έλεγχος ανάλυσης διακύμανσης ANOVA

•    Έλεγχος συσχέτισης Pearson

•    Γραφήματα

•    Ανάλυση διακύμανσης και ανάλυση παλινδρόμησης



Οδηγός Σπουδών Προγράμματος

Μπορείτε να δείτε περισσότερες πληροφορίες στον οδηγό σπουδών του προγράμματος.
Δείτε τον οδηγό σπουδών εδώ.

Σημειώνεται ότι το πρόγραμμα διεξάγεται με βάση το εγκεκριμένο από το φορέα υλοποίησης χρονοδιάγραμμα.


Σε ποιους απευθύνεται

Το μάθημα απευθύνετα:

•    στον ερευνητή που θέλει να διεξάγει τη δική του έρευνα

•    σε οποιονδήποτε επιθυμεί να είναι σε θέση να διαβάσει και κατανοήσει τα θετικά και αρνητικά μιας δημοσιευμένης έρευνας

•    σε οποιονδήποτε επιθυμεί να βλέπει κριτικά τις στατιστικές αναλύσεις και τα νούμερα που παρουσιάζονται στην καθημερινή του ζωή π.χ. από τα μέσα ενημέρωσης

Τι θα μου προσφέρει το μάθημα

Με την ολοκλήρωση του μαθήματος αναμένεται οι συμμετέχοντες να είναι σε θέση να κατανοήσουν

✔    την έννοια της αβεβαιότητας

✔   τις στατιστικές αναλύσεις που επιδέχονται οι διάφοροι τύποι μεταβλητών

✔    τις στατιστικές αναλύσεις που απαιτούνται για τη διερεύνηση σχέσεων μεταξύ μεταβλητών

✔    μα επιστημονική έρευνα που βασίζεται σε στατιστικά ευρήματα

Για τη λήψη πιστοποιητικού απαιτείται

1. Επιτυχής ολοκλήρωση των εργασιών του μαθήματος

Συγκεκριμένα:

✔    Η αξιολόγηση των εκπαιδευόμενων πραγματοποιείται μέσω ασκήσεων και ερωτήσεων κλειστού τύπου (Quiz), οι οποίες βασίζονται στο περιεχόμενο των βιντεοδιαλέξεων. Για την επιτυχή ολοκλήρωση του μαθήματος ο τελικός βαθμός σε κάθε κατηγορία ασκήσεων από τις παρακάτω θα πρέπει να είναι μεγαλύτερος ή ίσος του 50%. Συγκεκριμένα, χρειάζεται βαθμολογία:


•    μεγαλύτερη ή ίση του 50% στα Quiz Ενοτήτων

•    μεγαλύτερη ή ίση του 50% στα Quiz Εβδομάδας


2. Καταβολή σχετικού αντιτίμου

Επισημαίνεται ότι, τα δύο παραπάνω κριτήρια χρειάζεται να ισχύουν στον ίδιο κύκλο του προγράμματος.

Ενημερωθείτε για το κόστος συμμετοχής από τον πίνακα στο πάνω μέρος αυτής της σελίδας.



Επικοινωνία

•    e-mail: info@coursity.gr


  1. Κωδικός Μαθήματος

    StatAnal
  2. Έναρξη Μαθήματος

    14 Οκτωβρίου 2024
  3. Ώρες επιμόρφωσης

    72 (2.88 ECTS)
  4. Κόστος παρακολούθησης

    Δωρεάν
  5. Λήψη Πιστοποιητικού

    €60